教育背景对解决全谱酒精使用的基于计算机的简短干预效果的调节作用:随机对照试验

简介

在全球范围内，饮酒是健康受损的最重要风险因素之一[1］．研究发现，在受教育程度较低的人群中，由酒精引起的疾病负担较高[2，3.]或社会经济地位低[4，5］．此外，研究发现，对于一定数量的酒精消费量，受教育程度较低的群体遭受的酒精相关伤害，包括酒精导致的死亡率，要高得多。6，7］．尽管这种关系的潜在机制，通常被称为酒精危害悖论[8]，尚未完全了解[7，9]，减少与酒精有关的伤害方面的社会不平等可被视为一个主要的公共卫生问题[10］．

任何旨在产生公共卫生影响的干预努力都应着眼于减少酒精造成的社会不平等[11］．在公共卫生文献中，公平影响已被证明是将干预效果中的社会梯度操作化的有用工具[12］．如果受教育程度较低的群体对干预的反应相对更积极，那么干预的公平影响可能是积极的;如果受教育程度较高和较低的群体对干预的影响相同，那么干预的公平影响可能是中性的;如果受教育程度较高的群体对干预的反应相对更积极，那么干预的公平影响可能是消极的[12］．目前没有令人信服的证据表明，除了税收和价格上涨或供应限制之外，哪种类型的基于人群的酒精干预措施可以减少教育背景的不平等[13］．

短期酒精干预(BAIs)可能是低教育水平人群减少酒精消费的一种工具。总括术语" BAI "包括旨在通过针对人们改变其酒精使用的动机来减少与酒精有关的伤害的干预措施[14］．BAIs已被证明可有效减少初级保健人群的酒精使用[15]并且在作为系统性筛查的一部分进行传播时，有可能对广大人群产生影响[16，17］．此外，利用现代科技，我们可以以较低的成本，为大量受助人提供以电脑为基础的综合评估。[18］．尽管众所周知，受教育程度低的人接受健康行为干预的可能性较小[19，20.]，关于教育对行为改变干预效果的调节作用的研究较少[21］．因此，BAIs对股权的影响值得进一步研究。

来自个体患者数据荟萃分析的有希望但依赖模型的发现显示，接受基于互联网的干预的低教育程度的重度饮酒者与受过高等教育的重度饮酒者相比，酒精消费量的减少更大[22］．研究发现，教育程度可调节健康认知与健康行为之间关系的强度[23］．由于健康认知是BAIs中行为改变技术的中心目标[24]，人们对BAIs的反应可能取决于他们的教育背景。

因此，本研究的目的是阐明教育背景对解决全谱酒精使用的基于计算机的简短干预的有效性的调节作用。目标群体包括所有酒精使用者，不论其饮酒严重程度如何。干预的基本原理是基于饮酒与癌症有线性剂量反应关系的研究结果[25，26]和心血管疾病[27］．因此，激励一大群人保持或减少低水平的饮酒量可能会产生有益的公共健康影响。在一项使用一般人群样本的随机对照试验中评估干预措施[28］．之所以选择只进行评估的对照组作为比较对象，是因为干预所必需的重复评估可能已经减少了酒精摄入量[29，30.］．为了能够将潜在的影响归因于干预本身，研究参与效应[31必须加以控制。虽然没有明确的证据表明12个月的疗效[32]，干预效果可能因教育背景而异。

方法

伦理批准

该研究得到了德国Greifswald大学医学伦理委员会的批准(协议号BB 147/15)。

试验描述

本文报告了来自2支平行组随机对照试验的结果数据，“测试积极的专家系统干预来预防和戒掉高危酒精使用”(PRINT)。该研究在德国临床试验注册(DRKS00014274;注册日期2018年3月12日)。相应的研究方案[28]，有关用户及留存率的数据[33]，以及初步结果分析[32]可以在别处找到。

参与者和操作步骤

2018年4月至6月期间，在德国梅克伦堡-西波美拉尼亚格赖夫斯瓦尔德市登记处的等候区主动招募了试验参与者。登记办公室是负责登记、护照和车辆管理问题的公共机关。在开放时间，学习助理接近所有出现在等候区的人。年龄在18岁到64岁之间的人被邀请参加一项基于平板电脑的自我健康行为调查。在早些时候的访问中已经接触过的人，认知或身体上没有能力，语言或阅读技能不足，或在进行研究的研究所工作的人被排除在外。

这项调查起到了资格筛选的作用。报告在过去12个月内饮酒的个人被邀请参加PRINT试验。没有固定地址或电话号码的人被排除在外。研究助理告知符合条件的受试者PRINT试验的目的、程序和数据处理。所有给出书面知情同意书的参与者通过平板电脑随机分为干预组或仅评估组，基于随机数字表，以个体为随机单位，采用简单随机化(1:1的组分配比例)。分配顺序对进行招募的研究助理隐瞒了。

研究助理在3个月、6个月和12个月后进行了计算机辅助电话采访。在10次不成功的联系尝试后，参与者通过电子邮件或邮件收到了一份调查问卷，然后收到了最多2份书面提醒。随机分配到干预组的参与者在基线、第3个月和第6个月收到电脑生成的、个性化的邮件反馈信。所有参与者都获得了两张价值5欧元(5.34美元)的代金券作为参与的补偿。一份代金券在招募后立即在登记处发放，另一份代金券在12个月的随访评估之前通过邮件发送。参与者在收到或没有收到BAI之前，对他们的个人小组分配保持盲目。负责招募、电话采访和管理参与者数据的研究助理对参与者的分组分配不知情。

干预和控制组

干预包括多达3封个性化的反馈信(基线，第3个月和第6个月)，基于行为改变的跨理论模型[34］．干预在其他地方有更详细的描述[32］．这些字母是由专家系统软件自动生成的[35]，印刷，并通过邮政邮寄。反馈元素是根据先前定义的基于参与者的人口统计和酒精相关特征的决策规则选择的。该干预旨在解决从低风险饮酒者到可能患有酒精使用障碍(AUD)的参与者的所有酒精使用问题。

反馈信是根据参与者在酒精使用障碍识别测试(AUDIT)中的得分，根据他们当前的酒精使用风险水平量身定制的。36]及其消费问题，即AUDIT-Consumption (AUDIT-C) [37］．所有反馈信都包括关于低风险饮酒的建议信息，并补充说“低风险”不等于“无风险”，以及关于与个人标准组相比饮酒量的书面和图形反馈(即个性化的规范性反馈)。被归类为高危饮酒者的参与者收到了关于他们改变动机阶段(预先思考、沉思、准备或行动)、决策平衡(减少饮酒的感知优势和劣势)、自我效能和改变过程的规范性反馈[34］．经筛选的AUD患者(AUDIT评分≥20)收到的反馈略有修改，主要集中在使用专业治疗的动机上。提供了有关当地酒精治疗服务的资料。根据AUDIT，可能患有AUD的参与者收到的反馈是他们已经经历过的症状，而不是给有风险的饮酒者关于与其个人饮酒水平相关的潜在风险的反馈。第3个月和第6个月的反馈信包括积极的反馈，描述了自基线以来有关实际行为变化和激励措施变化的个人发展。专家系统使用评估中收集的数据来生成反馈信。因此，参与各自的评估需要在那个时间点接受干预。

对照组只接受评估;换句话说，他们回答了同样的基于平板电脑的自我管理基线调查(多媒体附件1而且多媒体附件2)和计算机辅助电话访谈，分别在第3、6和12个月作为干预组。

措施

结果

从基线到第12个月，每周饮酒量的变化是主要结果。这项测量是基于自我报告的频率(回答问题“在过去30天里你多久喝一次含酒精的饮料?”)和饮酒数量(回答问题“当你喝酒的时候，你每天喝多少杯?”)。一种标准酒精饮料的定义(0.25升至0.3升啤酒，0.1升至0.15升葡萄酒或起泡酒，或4升烈酒)在平板电脑屏幕上显示或由研究助理在采访期间大声朗读。为了估算每周的平均饮酒量，频率乘以典型数量，再除以4.25(即一个月的平均周数)，四舍五入到最接近的整数。

主持人

参与者被要求在基线时注明他们的最高普通教育程度。回答选项是一份详尽的清单，列出了德国可能的毕业资格和同等的外国学位(如适用)。所提供的信息被浓缩为教育背景的分类衡量标准(低:受教育年限为9年或以下，中等:受教育年限为10至11年，高:受教育年限为12年或以上)。由于样本内教育背景分布不均匀，将前两组合并进行校正分析，具有足够的统计力。因此，使用了教育背景的二元指标(少于12年与12年或以上的学校教育)。附加的3类教育背景指标的调节分析被报道为敏感性分析多媒体．

协变量

协变量为性别、年龄、就业状况、吸烟和酒精相关风险水平。参与者被问及他们是男性还是女性。就业状况包括全职就业、兼职就业、学生、失业和其他(退休、家庭主妇或类似)。参与者被要求描述自己的吸烟行为(从不吸烟、曾经吸烟、偶尔吸烟或每天吸烟)，偶尔吸烟者和每天吸烟者被问及典型的吸烟频率(“你每月吸烟多少天?”)和数量(“你目前每天吸烟多少支香烟或类似的烟草产品?”)。每天的平均香烟消费量被作为吸烟的指标。不吸烟者的得分为零。酒精相关风险水平(低风险和有风险)通过AUDIT-C总和评分来衡量，按性别划分的分界值(女性≥4，男性≥5)表示有酒精使用风险[38］．

样本量计算

我们假设在12个月的随访中，干预组(每周8.5杯)和对照组(每周10杯)之间有15%的差异。计算显示，如果主要结果遵循负二项分布，分散参数为1.0,80%幂和5%显著性水平，则每组需要659名参与者。预计退出率为20%，计划总样本量为N=1648。

统计分析

在Mplus版本7中采用潜在生长曲线模型(LGM)对数据进行分析。LGM的目的是分析个体内部变化随时间的个体间差异。LGM在处理缺失和非正态分布数据以及复杂的非线性增长轨迹方面非常灵活[39］．使用所有可用数据(即，包括所有基线参与者)的全信息最大似然估计器计算增长模型，假设数据是随机缺失的。因此，所有的分析都遵循意向治疗原则。由于结果的正偏性，计算了负二项式模型。潜在生长因子代表每周饮酒数量的变化。重标似然比检验表明，该模型受益于包括高阶函数(二次函数和三次函数)，允许随时间的非线性增长。生长因子方差可自由估计(立方生长因子除外)。所有模型均按时不变协变量(基线时性别、年龄、就业状况和吸烟情况)和时变协变量(基线时和第3、6、12个月时酒精相关风险水平)进行调整。

研究小组、教育背景及其相互作用在生长因子上进行回归，以检验受教育时间少于12年的参与者与受教育时间超过12年的参与者是否表现出差异干预效果。干预组和对照组之间的差异，以及与教育背景的交互作用，以95% CI的发病率比(IRRs)表示。此外，计算贝叶斯因子(BF)来估计12个月后两个亚组之间干预效果证据的敏感性[40］．使用在线Dienes计算器[41]，假设种群值服从半正态分布，预期干预效果为15%。BF值低于0.33表示缺乏影响，值高于3表示存在影响，值介于两者之间表示数据不敏感[42］．

结果

样本特征

在我们的招聘期间，共有6645名注册办事处客户在轮候区(图1)．在符合纳入标准的3969名客户中，2947名(74.3%)在过去12个月内完成了PRINT饮酒资格筛查。在2462名符合条件的患者中，1646名(66.9%)同意参加试验。在这1646名参与者中，1406人(85.4%)和1335人(81.1%)分别在3个月和6个月后参加了评估。在12个月的随访评估中，1646名参与者中有1314人(79.8%)被评估。样本(1646名参与者中的920名女性，55.9%)的平均年龄为31.0岁(SD 10.8岁)。教育背景方面，1646名受访者中，574名(34.9%)受教育程度少于12年(表1)．

‎ 查看此图

适度的分析

接受BAI的12年或以上学校教育的参与者每周饮酒量从基线时的2.3 (SD 3.6)酒精标准饮料增加到第12个月时的2.7 (SD 4.5)酒精标准饮料。图2)．BAI组受教育程度低于12年的参与者报告基线时饮酒1.8 (SD 3.7)，第12个月时饮酒1.9 (SD 3.6)。接受过12年或12年以上学校教育的对照组参与者每周饮酒量从基线时的2.4杯(SD 4.1)增加到第12个月时的2.8杯(SD 5.6)。对照组中受教育程度低于12年的参与者的饮酒量也有所增加，他们报告在基线时平均饮酒1.8杯(SD 4.5)，在第12个月时平均饮酒2.3杯(SD 4.1)。

12个月后，少于12年学校教育的参与者有干预效果(IRR 1.30, 95% CI 1.05-1.62;BF[0,0.14] 3.82)，但在接受了12年或12年以上学校教育的参与者中不存在(IRR 0.95, 95% CI 0.84-1.07;Bf[0,0.14] 0.30)。图3表示干预效果随时间的irr，阴影区域表示95% CI。12个月后，受教育程度低于12年的参与者比受教育程度超过12年的参与者更有可能从干预中受益(IRR 1.38, 95% CI 1.08-1.76;P=) (03表2)．在积极干预阶段和第3个月均无显著的相互作用效应(IRR 1.24, 95% CI 0.96-1.61;P=.44)或第6个月(IRR 1.11, 95% CI 0.88-1.40;P=。)。

教育背景的3类指标(低:9年或以下学校教育，中等:10至11年学校教育，高:12年或以上学校教育)的额外适度分析的结果可以在多媒体．

‎ 查看此图

‎ 查看此图

讨论

主要研究结果

基于计算机的BAI处理酒精使用的全谱的有效性受教育背景的调节。12个月后，受教育程度较低的普通人群中的饮酒者从干预中受益，而受教育程度较高的人群则没有受益。这些研究结果允许这样一种假设，即酒精评估指标可能有助于减少由酒精引起的社会不平等。本研究表明，基于专家系统软件的个体化BAI在受教育程度较低的研究参与者中是有效的。

与之前工作的比较

据我们所知，这是第一个调查BAI在具有不同教育背景的一般人群亚组中的有效性的研究。先前的研究主要集中在其他治疗调节因素，如性别、年龄和消费相关变量[43-46，但忽视了学校教育的潜在调节作用。类似的证据来自于最近的一项元分析，其结果支持基于互联网的干预可能对教育背景较低的重度饮酒者特别有益的观点。22］．相比之下，针对酗酒的基于技术的干预被发现对瑞士受教育程度高的青少年比受教育程度低的青少年更有效[47］．尽管有这些发现，但学校教育与BAI疗效的相互作用尚未得到很好的理解[21］．本研究通过表明基于专家系统软件的BAI在中低教育程度的酒精使用者中是有效的，为稀疏文献做出了贡献。

教育背景较低的人可能更容易接受BAIs中包含的行为改变机制。研究发现，相对于他人，低估自己的饮酒量(即规范性误解)在受教育程度较低的饮酒者中更为明显[48］．如果规范性的误解先于并鼓励饮酒[49]，通过个性化的规范反馈来纠正这一谬论可能会随着时间的推移减少酒精的使用[50，尤其是那些更倾向于认为别人比自己喝酒更频繁、饮酒量更大的人。个性化的规范性反馈是本研究测试的干预的核心组成部分[32］．不同教育背景的个体可能对这种个性化的规范性反馈有不同的反应，这可能解释了教育背景和干预效果之间的相互作用。比较一个人与同龄人饮酒情况的反馈，对于受教育程度低于12年的人来说，可能比受教育程度在12年或以上的人更能激励他们减少饮酒。此外，受教育程度较低的人可能不得不更经常地证明自己饮酒的合理性，并更经常地被剥夺对饮酒的自主权。BAI的设计融入了动机性访谈的精神[51以参与者自己的观点为中心，评估他们饮酒的动机和态度。以赞赏的方式提供反馈，例如指出参与者饮酒的主观优点和缺点。与受教育程度较高的人相比，这种欣赏的体验可能对受教育程度较低的人更有激励作用。

研究结果支持基于人口的BAIs可能对公平产生积极影响的观点。解决酒精危害悖论是一个主要的公共卫生问题[10］．如果(a)通过系统的筛查方法进行传播，并且(b)它们覆盖了相当一部分受教育程度较低的人口，那么BAIs可能是减少酒精造成的社会不平等的道路上的一块拼图。然而，众所周知，受教育程度较低的人不太可能接受提供的干预措施[19，20.]，与PRINT试验的情况一样[33］．接受完整干预(包括所有3封反馈信)的参与者比例，在受高等教育的参与者中(413/515,80%)高于受低等或中等教育的参与者(202/ 300,67%)。后者也更难获得进行干预所需的电话采访。因此，需要将战略重点放在如何接触和留住教育背景较低的人来预防酒精。可选择受教育程度较低的人可以接触到的场所，如就业中心[52]或基层健康护理诊所[53]，并且最好与积极主动的方法相结合[54］．

12个月后的干预效果很小，可能是因为这项研究没有局限于高危酒精使用者，而是针对所有酒精使用的人群。因此，最初的饮酒水平低于之前的BAI试验[15]，因此减少酒精消费量的幅度较小。必须承认，目前尚不清楚bai is是否会通过解决酒精使用本身来减少酒精可归因伤害方面的社会不平等。与饮酒相关的因素可能不足以解释酒精危害悖论[55］．相反，需要一个更全面的观点，考虑到与其他健康行为的相互作用[8]以及贫困等社会风险因素[56］．

限制

这项研究有几个优点和局限性。这一发现为教育背景作为BAI疗效调节因素的稀疏证据提供了补充。一般人群样本的高参与率和保留率确保了外部有效性。这种干预方法是新颖的，因为它解决了所有酒精使用的问题，而不仅仅是高危饮酒者。限制有四方面。首先，可能存在选择偏差，因为酒精相关风险水平等基线因素与试验参与程度相关[33］．其次，所有数据都是完全自我报告的。第三，主要结果是用数量-频率方法测量的，这种方法可能低估了饮酒的真实量[57］．第四，这是二次数据分析。PRINT试验的设计或动力不是为了审查干预在不同教育背景的子组中是如何起作用的。由于受教育程度较低的人群在我们的样本中代表性不足，比较超过2个亚组导致统计力的损失、更宽的置信区间和差异疗效的数据不敏感(额外的调节分析显示在多媒体)．

结论

本研究深入了解了教育背景在普通人群BAI疗效中的作用。未来的研究可能会调查在何种情况下BAIs的预期积极权益影响可以最大化。如果能够接触到低或中等教育程度的人群，这种干预方法可能能够减少由于酒精在人口中造成的健康不平等。